📚 课程目录第2章 Catalyst硬件架构与故障关联

2. Catalyst硬件架构与故障关联

在 Catalyst 交换机上排查复杂故障时，如果只停留在接口状态、MAC 表和路由表层面，往往会漏掉真正的根因。很多“时通时断”“大流量丢包”“CPU 高但流量不大”的问题，根源在硬件转发路径、控制平面与数据平面的分工，以及背板和缓存的工作机制上。理解这些硬件结构，才能把现象和硬件位置对应起来，快速缩小排查范围。

一、ASIC 转发路径：数据平面真正干活的地方

Catalyst 交换机的转发决策不是由 CPU 完成的，而是由交换 ASIC（专用集成电路）在硬件中完成。以典型的盒式 Catalyst 9000 系列为例，数据包进入某个端口后，大致经历以下硬件路径：

PHY/MAC 层：完成电信号或光信号的收发、编码解码、链路协商。
入向 ASIC 端口逻辑：解析以太网帧头，提取 VLAN、目的 MAC、源 MAC 等字段。
查表与转发决策：ASIC 内部使用 TCAM 完成 ACL、QoS 分类匹配，使用哈希表完成 MAC 表、路由表（FIB）查找。
缓存与队列：根据 QoS 策略把帧放入对应出向队列，等待调度。
出向 ASIC 与端口：完成重写（如 VLAN tag 操作）、TTL 递减、校验和更新，再从物理端口发出。

关键点是：这条路径完全由硬件流水线完成，CPU 不参与逐包转发。因此当出现“转发异常但 CPU 不高”时，问题通常落在 ASIC 表项、TCAM 资源、缓存或端口硬件上，而不是控制平面。反过来，如果 CPU 占用异常升高，则要怀疑是否有大量报文被“上送 CPU”（punt），例如 ARP 泛洪、TTL 超时、ACL 命中 log、控制协议报文过多等。

二、控制平面与数据平面分离

Catalyst 的架构可以理解为两个平面：

控制平面（Control Plane）：由 CPU 和运行 IOS-XE 的软件栈组成，负责运行 STP、OSPF、EIGRP、BGP、HSRP、ARP、DHCP Snooping 等协议，生成 MAC 表、路由表、ACL 等“软件表项”。
数据平面（Data Plane）：由 ASIC 和硬件表项组成，负责按已下发的表项高速转发报文。

两者之间通过内部通道同步：控制平面计算出结果后，把表项下发到 ASIC；ASIC 在转发过程中遇到“自己处理不了”的报文（如目的 MAC 未知、需要协议处理、TTL 到期），就通过 punt path 上送 CPU。CPU 处理后再决定是否下发新表项或直接回应。

这种分离带来一个典型故障模式：控制平面正常但数据平面异常。例如路由表里有正确条目，但 ASIC 的 FIB 没有同步成功，表现为“路由存在但 ping 不通”。排查时要同时看软件表和硬件表，常用命令包括：

show platform software fed switch active ip route
show platform software fed switch active mac address
show platform software fed switch active acl
show platform hardware fed switch active fwd-asic resource tcam utilization

如果软件表有而硬件表缺失，说明下发通道或 ASIC 资源出现问题，需要进一步查看 FED（Forwarding Engine Driver）日志和 ASIC 资源占用。

三、背板与缓存机制

在模块化 Catalyst（如 9400、9600 系列）中，业务板卡通过背板与 Supervisor 引擎通信。背板提供的是内部高速交换通道，其带宽是有限的。如果某块板卡的流量超过背板通道能力，就会出现拥塞丢包，而端口本身可能显示 up、无错包。

缓存机制则决定了突发流量能否被吸收。Catalyst 的 ASIC 通常采用共享缓存 + 每端口/每队列阈值的结构：

共享缓存池：所有端口共享的总缓存，用于吸收突发。
入向/出向队列：每个端口有多个队列，配合 QoS 调度。
阈值与丢弃：当某队列超过阈值，或共享池被占满，ASIC 会丢弃报文，通常表现为输出丢弃（output drops）或 WRED 丢弃。

因此，看到接口 output drops 持续增长时，不要只怀疑线缆或光模块，要结合 show interfaces、show queueing interface、show platform hardware fed switch active qos queue stats interface 判断是微突发、队列阈值过低，还是背板/上行链路拥塞。

四、常见硬件告警与故障定位方法

Catalyst 的硬件告警通常通过以下几种方式暴露：

Syslog 与 %PLATFORM 消息：如 ASIC 错误、TCAM 满、电源/风扇异常、模块离线。
show environment：温度、电压、风扇、电源状态。
show platform：各板卡、ASIC、端口 ASIC 的健康状态。
show platform software fed switch active ...：FED 层表项、资源、计数器。
show interfaces counters errors：CRC、input errors、output drops 等。

定位时建议按“先分层、再定位、后验证”的思路：先判断是控制平面问题还是数据平面问题；再根据告警类型定位到具体 ASIC、板卡、端口或资源；最后通过替换、隔离、计数器对比来验证。例如 TCAM 满会导致新 ACL 无法下发，表现为部分策略不生效，此时应检查 TCAM 利用率并优化 ACL 条目。

排查提示：当遇到“路由/ MAC 表正常但转发不通”时，优先对比软件表与 FED 硬件表；当遇到“端口无错包但丢包”时，优先查看队列统计与背板/上行带宽；当遇到“CPU 高”时，优先确认是否有大量报文被 punt 上送。

把硬件架构和故障现象对应起来，是 Catalyst 复杂网络诊断的基本功。ASIC 转发路径决定了数据平面能做什么、不能做什么；控制平面与数据平面的分离决定了问题该往哪个方向查；背板和缓存决定了拥塞类故障的边界；而告警和计数器则是把硬件状态翻译成可判断依据的入口。掌握这四层关系，后续的排障和优化才有稳定的落脚点。